چگونه ربات‌ها و ترول‌ها در شبکه‌های اجتماعی فریب می‌دهند؟ / راه‌های تشخیص

بیشتر این ربات‌ها و ترول‌ها، بخشی از یک بات‌نت (شبکه‌ای از ربات‌ها) هستند و بسیار هم فعالیت مستمری در اشاعه اخبار جعلی، برخی کلاهبرداری‌ها و طنز دارند و کارشان دامن زدن به اطلاعات نادرست است.

ابتدا ربات‌ها از طریق هوش مصنوعی، رفتار کابران اینترنتی را شبیه‌سازی می‌کنند تا انتشار اخبار جعلی طبیعی به نظر برسد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

به طور مثال در توئیتر، ربات‌ها تعاملات اجتماعی را تقلید کرده و شبیه اکانت‌های واقعی، طبیعی جلوه می‌کنند و سبب می‌شوند مردم آنها را کاربرعادی ببینند.

یکی از ترفندهای این ربات‌ها، پرسیدن سوال در توئیت‌ اکانت‌های بانفوذ و پرفالور است تا نظرشان را به خود جلب کنند و با تبادل نظر با آنها و سایر کاربران، اعتمادسازی کنند. حتی آنها فراتر از این، با نوشتن مطالبی با موضوع‌های پرطرفدار، بحث ایجاد می‌کنند تا در الگوریتم ترندینگ جایگاهی پیدا کنند.

ترول‌ها و ربات‌ها درد بزرگی برای رسانه‌های اجتماعی‌اند زیرا زمانی که آنلاین هستند خطرناک می‌شوند و زمانی را که تحت‌تاثیرشان قرار می‌گیرید یا با آنها درگیر می‌شوید، مشخص نیستترول‌ها و ربات‌ها درد بزرگی برای رسانه‌های اجتماعی‌اند زیرا زمانی که آنلاین هستند خطرناک می‌شوند و زمانی را که تحت‌تاثیرشان قرار می‌گیرید یا با آنها درگیر می‌شوید، مشخص نیست.

ربات‌ها حتی می‌توانند محبوبیت مصنوعی ایجاد کنند و یک شخص یا جنبش را تاثیرگذار کرده و تقویت کنند. به طور نمونه تاثیرگذاری بر سیاست از جمله انتخابات و یا حتی تاثیرگذاری بر بازارهای مالی. ربات‌ها حتی تلاش می‌کنند دیگران را ساکت کنند، هرزنامه پخش می‌کنند و حملات فیشینگی دارند.

تعداد دقیق ربات‌ها مشخص نیست اما تخمین زده می‌شود بین ۵ تا ۱۵ درصد از حساب‌های کاربران شبکه‌های اجتماعی را تشکیل می‌دهند و آنقدر واقعی به‌نظر می‌رسند و مردم به‌گونه‌ای به آنها واکنش نشان می‌دهند که گویی کاربران واقعی هستند!

چگونه ربات‌ها به انتشار اخبار جعلی کمک می‌کنند؟
 ربات‌ها، اخبار جعلی را ابتدا با جست‌وجو و بازیابی اطلاعات غیرمجاز در وب منتشر می‌کنند؛ سپس به طور مداوم در سایت‌های رسانه‌های اجتماعی پست می‌کنند و با استفاده از موضوع‌های پرطرفدار و هشتگ‌ها، به‌عنوان استراتژی‌های اصلی برای دستیابی به مخاطبان گسترده‌تر، محتوای غیرقانونی را پخش می‌کنند که در بسیاری از موارد به انتشار اخبار جعلی کمک می‌کند.

آنها به «گفتن» یا «توئیت کردن» اخبار جعلی ادامه می‌دهند و از همان اطلاعات نادرست برای پاسخ دادن به پست‌های کاربران واقعی رسانه‌های اجتماعی یا اظهار نظر در مورد آنها استفاده می‌کنند و مردم به دلیل احساساتی بودن در انتشار این اخبار جعلی به ربات‌ها کمک می‌کنند.
 

با توجه به روند فعالیت ربات‌ها، شرکت‌های رسانه‌های اجتماعی تلاش می‌کنند حضور ربات‌ها را در پلتفرم خود کاهش دهند. به طور مثال در سال ۲۰۱۸ شرکت توئیتر ده‌ها میلیون کاربر مشکوک خود را حذف کرد اما نتوانست بطور کامل ریشه‌کن کند اما باید گفت که موفقیت ربات‌ها مدیون افراد بی‌گناه واقعی است که بدون اطلاع از شرایط، به نشر اخبار جعلی کمک می‌کنند.

بر اساس تحقیقات انجام شده، بیشتر احتمال دارد که مردم اخبار جعلی را به اشتراک بگذارند تا اخبار درست و واقعی! چون مردم در تشخیص اخبار درست مشکل دارند. مردم بر این باورند که توانایی تشخیص خبر واقعی از جعلی را دارند و به خود اعتماد دارند و همین اعتماد فراتر از باور، سبب شده اخبار جعلی در رسانه‌های اجتماعی بیشتر به اشتراک گذاشته شود؛ به‌گونه‌ای که در توئیتر ۷۰ درصد بیشتر از داستان‌های واقعی، اخبار جعلی را بازنشر می‌کنند و این را می‌توان به حساب تازگی خبر و عطش مردم گذاشت.

موفقیت ربات‌ها مدیون افراد بی‌گناه واقعی است که بدون اطلاع از شرایط، به نشر اخبار جعلی کمک می‌کنندربات‌ها پس از القاء خبر نادرست به جای درست، به گروه‌های پنهان کوچکی از مردم اجازه می‌دهند اطلاعاتی را که از دستور کارشان پشتیبانی می‌کند، در مقیاس بزرگ تبلیغ کنند. ربات‌ها محتوای خود را در نتایج جست‌وجو، سبد خرید مردم و به بالای فیدهای خبری هدایت می‌کنند تا آنجایی که می‌توانند در انتخابات کشورها هم موثر باشند.

راه‌های تشخیص ربات‌ها، اکانت‌های جعلی و ترول‌ها
شناخت موارد یادشده کمی دشوار است اما بعضی از موارد در آنها مشترک است که می‌توان به مواردی از آن اشاره کرد:

۱_ نام حساب‌های ربات‌ها، بیشتر شامل رشته‌ای از اعداد است که به ظاهر تصادفی هستند.
۲_ آنها عموما عکس‌نمایه ندارند و اگر هم باشد تصویری واضح نیست و یا از مناظر و عکس‌های عمومی استفاده می‌کنند.

۳_ آنها به تازگی به پلتفرم رسانه‌های اجتماعی ملحق شده‌اند که ممکن است فقط برای تبلیغ صفحه‌های دیگر ایجاد شده‌اند.
۴_ به تعداد فالورهایشان توجه کنید که بسیاری از اکانت‌ها را دنبال می‌کنند و دنبال‌کننده زیادی ندارند.

۵_ حجم زیاد پست در یک بازه زمانی کوتاه و فعالیت شدید از یک کاربر، پرچم قرمزی است برای اعلام رباتیک بودن اکانت.
۶_ آنها علاقه‌ای برای تولید محتوا در مورد مسائل مهم و اصلی ندارند بلکه حرکاتشان محدود به بازنشر و اشتراک و کمک به ترندیگ می‌شود.

۷_ مطالبشان بی‌محتوا و سبک نوشتاری آنها غیرطبیعی است و اگر منبعی از آنها خواسته شود هرگز آمار و داده‌ای ارائه نمی‌دهند و یا در نهایت سایتی را معرفی می‌کنند که جعلی است.
۸_ به‌طور متناوب از هشتگ‌های داغ استفاده می‌کنند تا به ترند شدن موضوع کمک کنند اما از هشتگ‌های نامربوط با محتوا می‌توان به ربات بودن آنها شک کرد.
 

نام حساب‌های ربات‌ها، بیشتر شامل رشته‌ای از اعداد است که به ظاهر تصادفی هستندبا وجود این موارد، نمی‌توان با یکی دو مورد رفتار اکانتی را مورد قضاوت قرار داد و باید با دقت، محتوای مفید و مضر را تفکیک کرد زیرا ربات‌ها بسیار هوشمند عمل کرده و می‌توانند به‌شدت گمراهکننده باشند.

برای دفاع و محافظت خود در برابر تبلیغات و هرزنامه‌های ارسال شده توسط ترول‌ها و ربات‌های مخرب، می‌توانیم پیش‌زمینه هر موضوع را با دقت بررسی کنیم و با استفاده از داده‌های بزرگ و یادگیری، ربات‌ها را از کاربران واقعی تشخیص دهیم. هرچند تمایز قائل شدن بین ترولینگ و ربات با کسی که واقعا می‌خواهد در مورد موضوعی بحث کند سخت است اما می‌توان با کسب تجربه و مقایسه، آنها را تشخیص داد.

ربات‌ها و ترول‌ها خیلی زود از موضوع خارج می‌شوند و بارها پست می‌گذراند تا زمانی که پاسخی را که می‌خواستند برانگیزند. آنها از میم‌ها، گیف‌ها و تصاویر برای پاسخ دادن به دیگران استفاده می‌کنند. از دیگر راه‌های تشخیص ربات‌ها نادیده گرفتن شواهد و حقایق است که اگر با دیدگاهشان متناقض باشد، تائید نمی‌کنند. بیشتر ترول‌ها و گاهی ربات‌ها از لحن تحقیرآمیز یا تقابلی استفاده و طرف مقابل را تحریک می‌کنند.

کاربران واقعی چگونه باید با این ربات‌ها و ترول‌ها برخورد کنند؟
از بهترین راه‌حل‌ها، نادیده‌گرفتن و در واقع بی‌محلی به آنهاست. آنها با «توجه و پاسخ‌های احساسی» روحیه می‌گیرند و کاربران واقعی را برای تحریک بیشتر به سمت بحث و کنش سوق می‌دهند. آنها را می‌توانید مسدود(بلاک) کنید. اگر ترول یا رباتی شما را اذیت می‌کند مسدودش کنید تا دیگر نبینید.

پی‌نوشت:

https://www.cits.ucsb.edu/fake-news/spread

https://www.politico.com/magazine/story/۲۰۱۸/۰۱/۰۵/robots-politics-automation-technology-۲۱۶۲۲۰

https://www.cits.ucsb.edu/fake-news/spread

https://towardsdatascience.com/trolls-and-bots-are-disrupting-social-media-heres-how-ai-can-stop-them-d۹b۹۶۹۳۳۶a۰۶

برچسب‌ها فیک نیوز توییتر اخبار جعلی ربات شبکه های اجتماعی فضای مجازی

منبع: ایرنا

کلیدواژه: فیک نیوز توییتر اخبار جعلی ربات شبکه های اجتماعی فضای مجازی فیک نیوز توییتر اخبار جعلی ربات شبکه های اجتماعی فضای مجازی رسانه های اجتماعی اخبار جعلی کمک استفاده می کنند کاربران واقعی کمک می کنند ترول ها اکانت ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.irna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۳۳۸۵۴۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

دشمن دشمن شما، واقعا دوست شما است؟

دانشمندان برای اولین بار یک مدل شبکه اجتماعی با استفاده از فیزیک آماری توسعه داده‌اند که صحت نظریه تعادل اجتماعی هایدر را نشان می‌دهد.

به گزارش دیجیاتو، نظریه تعادل اجتماعی هایدر توضیح می‌دهد که انسان‌ها ذاتاً می‌کوشند تا در محافل اجتماعی به هماهنگی برسند. طبق این نظریه، چهار اصل وجود دارد که باعث تعادل روابط می‌شوند:

دشمنِ یک دشمن، یک دوست است.

دوستِ یک دوست، یک دوست است.

دوستِ یک دشمن، یک دشمن است.

دشمنِ یک دوست، یک دشمن است.

مطالعات بسیاری تلاش کرده‌اند تا این نظریه را با استفاده از علم شبکه و ریاضیات تأیید کنند. اما این تلاش‌ها بی‌ثمر بوده‌اند، زیرا شبکه‌ها با روابط کاملاً متعادل فاصله دارند. سوال این است که آیا شبکه‌های اجتماعی از یک مدل شبکه متعادل‌تر هستند یا نه. بسیاری از مدل‌های شبکه ساده‌تر از آن هستند که بتوانند پیچیدگی‌های روابط اجتماعی را در خود جای دهند. از این رو، نتایج آن‌ها با واقعیت ناسازگار است.

پژوهشگران دانشگاه نورث‌وسترن در مطالعه خود با موفقیت دو بینش کلیدی را گنجانده‌اند که، سرانجام بعد از ۸۰ سال، صحت نظریه تعادل اجتماعی هایدر را نشان می‌دهد. اول این که همه یکدیگر را نمی‌شناسند؛ دوم، بعضی‌ها در روابط خود مثبت‌تر از دیگران هستند. پژوهشگران این دو نکته را از مدت‌ها قبل می‌دانسته‌اند، اما نمی‌توانستند آن‌ها را همزمان در مدل‌های خود به‌کار بگیرند.

یکی از پیش‌بینی‌های نظریه تعادل اجتماعی این است که دو قطب سیاسی مخالف در یک جامعه ایجاد خواهند شد.

نظریه تعادل اجتماعی چه می‌گوید؟

نظریه تعادل اجتماعی هایدر از گروه‌های سه نفره استفاده می‌کند تا این فرض را توضیح دهد که انسان‌ها به‌دنبال روابط راحت و هماهنگ هستند. در روابط متعادل، همه همدیگر را دوست دارند. یا اگر یک نفر از دو نفر دیگر بدش می‌آید، آن دو با یکدیگر دوست هستند. روابط زمانی نامتعادل می‌شوند که هر سه نفر از هم بدشان می‌آید، یا یک نفر دو نفر را که همدیگر را دوست ندارند دوست دارد. چنین روابطی منجر به تنش و اضطراب می‌شوند.

این توضیحات با چیزی که در جوامع می‌بینیم بسیار سازگار هستند. در دنیای امروز دوقطبی‌های شدیدی وجود دارد که خود را به‌صورت قطب‌های سیاسی نشان می‌دهند. اگر تمام افرادی که شما دوست‌شان دارید، تمام افرادی را که دوست‌شان ندارید دوست نداشته باشند، نتیجه دو حزب سیاسی خواهد بود که از یکدیگر متنفر هستند.

استفاده از محدودیت‌ها در مدل‌های شبکه

در یک مدل شبکه، هر فرد یک گره و رابطه او با فرد دیگر یک لبه است که می‌تواند یک کیفیت خاص داشته باشد. دانشمندان پیش‌تر روابط دوستی یا دشمنی را در شبکه‌ها به‌صورت تصادفی مشخص می‌کردند. چنین مدل‌هایی از شبکه نمی‌توانند واقعیت جوامع را با موفقیت نشان دهند.

پژوهشگران نورث‌وسترن، ایستوان کوواک (István Kovács) و بینگ‌جیه هائو (Bingjie Hao)، از رویکرد تصادفی استفاده نکردند. برای این که تعاملات تصادفی باشند، هر گره (فرد) باید شانسی برابر برای مواجهه با گره‌های دیگر داشته باشد. اما در زندگی واقعی چنین نیست؛ مثلاً ممکن است شما هیچ‌گاه دوستِ دوست خود را نبینید.

کوواک و هائو مدل خود را به‌گونه‌ای ساختند که احتمال مثبت یا منفی بودن روابط کل شبکه، براساس مثبت یا منفی بودن روابط موجود تعیین می‌شود. این روابط همچنان تصادفی هستند، اما تصادفی بودن آن‌ها محدوده‌ای دارد که طبق توضیحات نظریه هایدر تعیین می‌شود. آن‌ها همچنین این نکته را در نظر گرفتند که برخی از افراد در روابط خود دوستانه‌تر هستند؛ یعنی احتمال مثبت بودن روابط آن‌ها بالاتر است.

آن‌ها مدل خود را روی داده‌های نظرات وبسایت Slashdot، روابط نمایندگان مجلس آمریکا، تعاملات تُجّار بیت‌کوین، و نظرات محصولات وبسایت Epinions اجرا کردند. این مدل توانست این شبکه‌ها را با موفقیت مدلسازی کند. در نتیجه، شبکه‌های اجتماعی با نظریه تعادل هایدر سازگار هستند. پژوهشگران می‌گویند این مدل نشان می‌دهد که حتی می‌توان این نظریه را به گروه‌های چهار نفره یا بیشتر بسط داد.